共查询到19条相似文献，搜索用时 931 毫秒
1.
刘亚洲邓安健 《测绘与空间地理信息》2023,(11):51-54
为了提高目前机载LiDAR点云数据滤波和建筑物提取精度,本文提出一种基于超体素的点云滤波与建筑物提取方法。对每个超体素进行相似性判断来实现向上一层的区域增长式合并,并通过判断超体素簇与邻接超体素簇的凹凸性实现再向上一层的合并,最终通过计算聚类对象自身几何特征来过滤地面、植被和噪声,从而得到建筑物点云。实验利用ISPRS公布的标准数据集,选择3个地形数据进行实验。实验结果表明本文算法滤波性能更好,建筑物提取结果优于专业点云处理软件的提取结果。 相似文献
2.
3.
4.
5.
ICESat-2机载试验点云滤波及植被高度反演 总被引：1，自引：0，他引：1
新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。 相似文献
6.
点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波... 相似文献
7.
8.
9.
10.
针对泊松表面重建算法在点云数据的网格化中仍不能有效满足"细节保持与噪声平滑"的平衡问题,该文提出了一种基于高斯滤波的改进泊松算法。通过将高斯滤波引入到点云数据等值面的向量场估计中,一方面实现了对点云拓扑结构的更准确估计以及对点云噪声的有效平滑;另一方面通过调节高斯滤波中的标准差参数,实现了对点云模型网格化的细节保持与噪声平滑的细微控制。以福州大学张孤梅雕像为实验对象,图像三维重建技术获得的点云数据作为数据源,利用改进的泊松算法进行点云网格化。结果表明,改进的泊松算法提高了网格模型的精确性与完整性,且在视觉上更好地逼近真实模型的细节,验证了改进算法的有效性。 相似文献
11.
基于点云分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主成分分析,再对点云空间进行均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特征对分割后的点云实现了不同地物的分类,提高了运算效率,降低了错分率。 相似文献
12.
本文基于高速公路高精度点云数据，首先通过点云数据的分类处理实现对树木点云数据的提取，将树木点云投影到水平面，采用DBSCAN密度聚类算法实现单根树木的提取；然后在数据密集区域存在树木树冠点云重叠的区域，本文结合树干几何特征提取树干的位置信息，计算所有点云到树干中心的欧氏距离，将所有点云归类到最近的树干进行粗分割；最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心，提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明，本文采用的树木分割方法能够实现单棵树木精确提取。 相似文献
13.
针对已分割出建筑物立面的点云数据,采用结合主成分分析(PCA)的区域增长法提取建筑物立面的平面特征,并利用结合凸壳算法的三角网轮廓提取算法实现建筑物立面几何特征轮廓边的提取。实验结果表明,该方法可以有效地从密度不均匀的点云数据中提取出建筑物立面几何特征。 相似文献
14.
建筑物轮廓作为建筑物三维重建的重要元素，在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取，以及提取精度评定各环节存在的一些问题，提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上，首先利用改进的区域生长算法滤波地面点，并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点；再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面；最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算，通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明，综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息，对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。 相似文献
15.
An algorithm for automatic extraction of pole-like street furniture objects using Mobile Laser Scanner data was developed and tested. The method consists in an initial simplification of the point cloud based on the regular voxelization of the space. The original point cloud is spatially discretized and a version of the point cloud whose amount of data represents 20–30% of the total is created. All the processes are carried out with the reduced version of the data, but the original point cloud is always accessible without any information loss, as each point is linked to its voxel. All the horizontal sections of the voxelized point cloud are analyzed and segmented separately. The two-dimensional fragments compatible with a section of a target pole are selected and grouped. Finally, the three-dimensional voxel representation of the detected pole-like objects is identified and the points from the original point cloud belonging to each pole-like object are extracted.The algorithm can be used with data from any Mobile Laser Scanning system, as it transforms the original point cloud and fits it into a regular grid, thus avoiding irregularities produced due to point density differences within the point cloud.The algorithm was tested in four test sites with different slopes and street shapes and features. All the target pole-like objects were detected, with the only exception of those severely occluded by large objects and some others which were either attached or too close to certain features. 相似文献
16.
17.
本文提出了一种适用于离散LiDAR数据的区域生长算法:将离散点云数据重采样为规则格网,通过坡度自适应区域生长法分割规则格网,获得不同的面片;建立各个分割面片之间的拓扑关系,将分割面片划分为粗差、植被、建筑物和地面;检测原始激光脚点到DTM的距离,判断是否为地面点。文中采用ISPRS提供的测试数据验证了算法分割的有效性。 相似文献
18.
19.
基于三维狄洛尼三角网的曲面重建算法 总被引：1，自引：1，他引：0
随着三维激光扫描技术应用领域的不断拓展,对点云数据三维建模的需求越来越迫切。曲面重建技术作为三维建模的核心技术之一,在逆向工程、计算机视觉、计算机制图以及虚拟现实等技术领域都有着非常广泛的应用前景。本文提出一种基于三维狄洛尼三角网的曲面重建算法,其本质是一种结合了曲面生长算法思想的贪心算法,即在一定约束条件下,按照最优三角形选择标准,算法从预先构建好的三维狄洛尼三角网中,逐个筛选出最优三角形添加到生长曲面上,最终输出由一系列显式三角形所组成的流形曲面。这种方法对比目前主流的隐式曲面重建算法具有参数依赖性较小、不需要计算法线等优点,并且能够重建地形扫描、建筑物扫描和精细化扫描的点云模型。利用此算法对多种点云模型进行曲面重建试验,结果表明该算法生成曲面质量好、重建效率高、实用性强,能够很好地应用于三维建模领域。 相似文献